如何更精确地将NumPy数组转换为Python列表？

你观察到的输出差异不是代码错误，本质是浮点数的存储和打印规则差异：

• NumPy打印数组时默认会对浮点数做截断显示，只保留若干位有效数字，所以你看到的是0.5、1.0、-0.25这类规整的结果
• 调用tolist()转换为Python原生浮点数列表时，会输出浮点数在内存中存储的完整值，由于二进制浮点数无法精确表示所有十进制小数，加上矩阵求逆、点乘过程中累积的微小计算误差，就会出现你看到的末尾带微小偏差的数值。

这类1e-12~1e-16量级的误差完全不会影响后续计算结果的有效性，不需要过度焦虑。

• 方法1：转换前做精度截断
  这是最简便的处理方式，根据你的业务需要保留足够的小数位，用np.round过滤掉浮点误差即可：

  # 保留10位小数足够过滤掉计算累积的微小误差，不会影响结果准确性
  beta_list = np.round(beta_hats, decimals=10).tolist()
  

  处理后输出结果为[[0.5], [1.0], [-0.25]]，和你预期完全一致。

• 方法2：换用数值稳定性更高的求解接口
  你当前手动计算(X^T X)^{-1} X^T Y的最小二乘实现方式，本身数值稳定性较差，更容易累积浮点误差。可以直接调用NumPy内置的最小二乘求解接口，从计算源头减少误差：

  # 替换原有手动求逆计算beta_hats的代码
  beta_hats = np.linalg.lstsq(X, Y, rcond=None)[0]
  

  NumPy内置的线性代数接口经过了大量数值稳定性优化，比手动写矩阵求逆的计算精度更高。

• 方法3：需要完全精确结果时使用精确计算库
  如果你的场景完全不允许任何浮点误差（比如教学演示、精确数值推导场景），可以用Python标准库自带的fractions或者第三方符号计算库sympy做分数级别的精确运算，但普通数据分析、回归建模场景完全不需要用到这类方案。

额外提示：不要用list作为变量名，这是Python的内置列表类名，用作变量名会覆盖内置功能，容易引发难以排查的bug。

内容的提问来源于stack exchange，提问作者Pedro